决策支持系统与企业智慧决策支持系统与企业智慧.ppt

第七章 知識管理 本章大綱 第一節 導論 第二節 知識的基本概念 第三節 知識庫與知識管理 第四節 知識表達與推理 第五節 知識工程 第六節 知識管理的成功案例 第七節 結論 學習目標 決策中知識的概念 DSS的知識管理架構 知識管理系統的設計 知識管理的應用 知識的基本概念 知識是一種存在於人們腦中的決策與判斷的準則，用以解決日常生活中所面臨的問題。知識存在的形式，可能是具體的事實（如：鐵是硬的），也可以是一種意識、識別力、智慧、法則、認知、經驗、技術、學習能力等，其中又以經驗及法則最為重要。 若以「企業組織」為著眼點，可以將知識定義為企業的無形資產（Quintas等人，1997），包含的類型有：市場及顧客資訊、產品資訊、專家的知識、人力資源資訊、核心商業流程、交易相關資訊、管理資訊（特別是決策策略）、供應商資訊（特別是交易協議與服務資訊）。 組織內有價值的知識之分類 個人知識 是指員工本身所擁有的知識，包括特定技能、經驗、習慣、直覺、價值觀等。由於員工可能會離職，因此如何把員工知識化為組織的結構化知識，保留在組織內，是知識管理的重要工作。 結構知識 是屬於組織的知識，不會隨著員工離職而消失。這些知識包括實體的知識與抽象的知識。實體知識包括掌握的科技、發明、資料、文件、製程等；而抽象的知識，如策略和管理文化、組織程序等，雖然較難以看見，其價值卻可能比實體知識還高。 組織內有價值的知識之分類（續） 顧客知識 是指企業所蒐集有關客戶的資訊，如顧客偏好、市場佔有率、顧客滯留率等。這些顧客知識在以「客製化」為中心的電子商務的環境中，其重要性亦很高。 知識與決策支援的關係 充分的知識是良好決策的必要條件 每個決策均有特殊的情境與考量，因此要制訂好的決策便一定需要有充分的知識。尤其是在管理決策中，有許多並不能完全用數字或數學模式來解決，唯有依靠判斷性的知識。 資訊科技使知識的效用更能發揮 知識若只在決策者的腦中固然能解決問題，但是對它的正確性及未來改善潛力都比較缺乏客觀的評估。透過將知識與DSS結合，不但能使知識的應用更為廣泛，而且也使知識可以受到客觀的評估與檢視。 圖7-1 知識的演變過程 資料、資訊、知識 知識的分類 外顯 / 內隱知識 個人 / 組織知識 量化 / 質化的知識 依敘述 / 情境來劃分 依事實 / 因果來劃分 依初級 / 彙整(meta)劃分 DSS的知識管理 vs. 企業知識管理 兩者的差異 DSS中的知識管理注重的是針對一個特定的決策問題，利用人工智慧的推理機制，由已知事實來找出最佳決策，供決策者參考；其範疇比較小，且較不涉及組織運作。 企業推動的知識管理，則涵蓋企業內各種知識的保存、開發、分享與應用，以組織運作及制度管理為主，較不涉及個別的推理技術。 表7-1 DSS中各模組的比較 圖7-3 整合性的知識管理系統架構 知識表達 必須考慮「表達什麼？ 」及「如何表達？」 傳統專家系統開發時最常用的表達方式就是「法則」 推理機制 專家系統中最常用的推理策略有兩種 向前結合(Forward chaining) 在向前結合的情況下，推理機由已知的事實出發，尋找該事實所能適用的法則，如此不斷地向前推進，直到找出所需結論為止。由於這個方法是由事實出發，因此往往又稱為「資料主導」的結合法。 推理機制（續） 向後結合(Backward chaining) 向後結合先決定所要追求的結論，然後再尋找資料來驗證所認定之結論的正確性。若結論不正確，它再試探下一個可能結論。 圖7-4 向前與向後結合的適用性 圖7-4 向前與向後結合的適用性（續） 不確定性的處理 造成專家系統結論不確定的原因至少有二 條件滿足的不確定性 每個法則都有許多必須滿足的條件 。 條件與結論間的不確定性 即使條件是否滿足可以正確地評價；另一個無可避免的風險，則是條件和結論之間因果關係是否絕對永遠成立。 不確定性的處理（續） 既然有不確定性的存在，學者們開發了許多不同的估計方法 確定因子法（CF法） 基本假設為各個不同因素或法則之間彼此獨立。 不確定性的處理（續1） 模糊邏輯法 希望能包容人類思考過程中的模糊和不精確性。 兩個基本原則 若幾個條件需同時成立時，其總和的確定性為它們個別確定性中的最小值。 若幾個條件只要有一個成立即可時（在「或」的情形下），其總和的確定性為它們個別確定性中的最大值。 知識工程 將專家知識有系統地轉化成可以電腦化、有結構的知識的過程。而協助這項轉換的人則稱為「知識工程師」。 圖7-5 知識工程的程序 知識工程的程序 確認階段(Identification Stage) 選擇知識工程師及專家，並且分別定義各自的角色。 概念化階段(Conceptualization S